随着互联网的高速发展和迅速普及,新浪微博已经成为了当前社会受众最大的综合性社交平台。截止到2017年6月,新浪微博月活跃用户数已经达到3.61亿,与上年同期比较增长了28%。但其快速发展也伴随着一系列问题,其中就包括水军在微博平台兴起、并逐渐呈现快速增长的趋势。微博水军的存在极大程度的影响了微博话题的质量,致使很多不真实的话题内容干扰网民们的思考以及对话题趋势的判断,进而造成社交环境不健康等严重问题。本文通过研究水军用户与正常用户的属性区别,基于改进的逻辑回归算法对水军用户建立特征识别模型,进而筛除水军用户和其所发表的微博信息后对微博内容进行话题检测,然后针对话题层次上的微博进行影响力分析,找出能代表当前话题意见领袖的微博。通过对话题检测和分析话题层面的微博影响力找出微博中的意见领袖来了解当前微博最新最热的资讯及其舆论方向。本文针对水军的用户特征属性、行为特征属性和时间特征属性结合改进的逻辑回归算法应用Tensorflow学习框架训练得出微博水军识别模型,通过对比实验结果发现改进的方法能够有效的识别出微博水军;同时利用LDA主题概率模型和改进的Single-pass增量聚类算法的结合,对去除水军用户所剩下的正常用户的微博内容进行话题检测,最终得出话题。由于原有的Single-pass算法聚类效率较差、依赖文本的输入顺序,以及针对微博的特殊性不能聚类得到良好的话题结果,所以对Single-pass做出了以下改进:1)增加时间参数判断话题是否满足同一性;2)计算聚类中心点,以减少文本间多次相似度计算以提高聚类效率;3)批量输入微博文本数据减少原算法过度依赖输入顺序对话题结果的影响。对原有算法和改进后的算法分别进行实验,最终对比实验结果证明改进后的Single-pass算法提高了话题检索效率和准确率。本文提出了话题层面的微博影响力评价方法,该方法利用了PageRank的基本思想对检测到的话题进行影响力分析找出话题层面的微博意见领袖。其中话题层面的微博影响力和以下三个因子有关:1)用户的活跃度;2)话题有关的微博受关注度;3)转发话题微博的用户质量。最后通过对具体的实例进行分析研究说明该方法的有效性和可行性。